Loading...
感谢这一路上，每一位伙伴的并肩前行与坚定支持。今年，美团技术团队在持续深耕中涌现出不少值得分享的实践与开源产品&服务。我们从中精选了18篇具有代表性的技术文章，内容涵盖大模型开源、研发技能、产品服务三大方向。
美团 LongCat-Video-Avatar 正式发布，实现开源 SOTA 级拟真表现
大模型剪枝新范式：先浓缩，再剪枝——DenoiseRotator技术解读
美团LongCatInteraction团队联合上海交通大学听觉认知与计算声学实验室，以及香港科技大学的研究者，共同完成了大模型剪枝方法的创新研究，提出了名为DenoiseRotator的新技术。通过首先对参数矩阵进行变换，“将知识和推理能力浓缩到由少量参数组成的子网络内”，“再裁剪掉子网络外的参数”，实现了大模型剪枝的新范式。
LongCat 上线 AI 生图！精准高效，AI 创作不设限
美团LongCat全新上线 AI生图功能，该功能基于LongCat系列模型「LongCat-Image」打造而成。无论是追求高效出图的普通用户，还是需要精准落地创意的专业创作者，LongCat都以“轻量化模型+流畅体验”，让AI生图真正成为人人可用的创作工具。
美团发布 LongCat-Image 图像生成模型，编辑能力登顶开源 SOTA
美团LongCat团队正式发布并开源LongCat-Image模型，通过高性能模型架构设计、系统性的训练策略和数据工程，以6B参数规模，成功在文生图和图像编辑的核心能力维度上逼近更大尺寸模型效果，为开发者社区与产业界提供了“高性能、低门槛、全开放”的全新选择。
AI Coding与单元测试的协同进化：从验证到驱动
AI生成代码质量难以把控！本文分享来自美团的技术实践，三大策略破解AI编程痛点。单测快速验证逻辑正确性，安全网保护存量代码演进，TDD模式精准传递需求。告别「看起来没问题」的错觉，构建AI时代的代码质量保障体系。
R-HORIZON：探索长程推理边界，复旦NLP&美团LongCat联合提出LRMs能力评测新框架
复旦大学与美团LongCat联合推出 R-HORIZON——首个系统性评估与增强LRMs长链推理能力的评测框架与训练方法。核心创新：R-HORIZON提出了问题组合（QueryComposition）方法，通过构建问题间的依赖关系，将孤立任务转化为复杂的多步骤推理链。
美团 LongCat 发布 AMO-Bench：突破 AIME 评测饱和困境，重新定义 LLM 数学上限
美团LongCat团队发布数学推理评测基准——AMO-Bench 。该评测集共包含50道竞赛专家原创试题，所有题目均对标甚至超越IMO竞赛难度。AMO-Bench既揭示出当前大语言模型在处理复杂推理任务上的局限性，同时也为模型推理能力的进一步提升树立了新的标杆。
美团 LongCat Interaction 团队发布大模型交互系统技术报告 WOWService
美团LongCat团队正式发布——「WOWService大模型交互系统技术报告」，深度拆解了「数据与知识双驱动」「自我优化训练」「四阶段训练流水线」「多Agent协同」四大核心技术框架，希望对行业发展提供参考与启发。
美团 LongCat 团队发布全模态一站式评测基准 UNO-Bench
美团LongCat团队提出了一套高质量、多样化的一站式全模态大模型评测基准——UNO-Bench。该基准通过一个统一的框架，不仅能同时精准衡量模型的单模态与全模态理解能力，更首次验证了全模态大模型的“组合定律”——该定律在能力较弱的模型上呈现为短板效应，而在能力较强的模型上则涌现出协同增益，为行业提供了一种全新的、跨越模型规模的分析范式。
